如何从数据中提取至少在连续两年出现的ID？

嘿，这个问题我刚好有思路，咱们一步步来搞定它！你的需求是从数据框里提取那些至少在连续两年出现过的ID的所有记录对吧？比如ID5虽然出现两次，但年份是2006和2008不连续，所以要排除；而ID1、2、3、4、6都有连续年份的记录，需要保留。

首先先重现你的示例数据：

ID <- c(1, 2, 1, 3, 4, 2, 1, 5, 4, 1, 2, 6, 7, 3, 1, 2,6,9,5)
Year <- c(2006, 2006, 2006, 2006, 2006, 2006, 2006,2006, 2007,2007,2007,2007,2007,2007,2007,2007,2008,2008,2008)
DF <- data.frame(ID, Year)

下面给你两种常用的解决方案，你可以根据自己的习惯选择：

方法一：使用dplyr包（tidyverse风格） #

这种方法代码可读性高，适合熟悉tidyverse的用户：

library(dplyr)

# 第一步：找出所有符合条件的ID（存在连续年份的ID）
valid_ids <- DF %>%
  group_by(ID) %>%
  # 对每个ID的年份去重后排序，检查是否有相邻年份差为1的情况
  summarise(has_consecutive_years = any(diff(sort(unique(Year))) == 1),
            .groups = "drop") %>%
  filter(has_consecutive_years) %>%
  pull(ID)

# 第二步：从原数据中筛选这些ID的所有记录
filtered_df <- DF %>% filter(ID %in% valid_ids)

# 查看结果
print(filtered_df)

代码解释： #

• group_by(ID)：按ID分组，每个组单独处理对应ID的年份数据
• sort(unique(Year))：先去除同一年份的重复值，再对年份排序，确保我们是按时间顺序检查连续性
• diff(...) == 1：计算相邻年份的差值，差值为1就代表这两年是连续的
• any(...)：判断该ID是否存在至少一对连续年份
• pull(ID)：把符合条件的ID提取成向量，方便后续过滤原数据

方法二：使用Base R（无需额外安装包） #

如果你不想加载额外的包，用Base R也能实现：

# 第一步：获取每个ID对应的唯一年份列表（已排序）
year_groups <- tapply(DF$Year, DF$ID, function(x) sort(unique(x)))

# 第二步：筛选出存在连续年份的ID
valid_ids <- names(which(sapply(year_groups, function(y) any(diff(y) == 1))))
# 把字符型的ID转换为数值型（因为tapply返回的名称是字符）
valid_ids <- as.numeric(valid_ids)

# 第三步：过滤原数据
filtered_df <- DF[DF$ID %in% valid_ids, ]

# 查看结果
print(filtered_df)

结果验证 #

两种方法得到的结果都会保留ID为1、2、3、4、6的所有记录，ID5、7、9的记录会被排除，完全符合你的需求。

内容的提问来源于stack exchange，提问作者Davide Mirante